实时计算Flink中，任务反压会造成什么影响？

一般任务的反压并不会直接影响实时任务，但是任务中反压的节点是处于一个高负载情况，会造成任务的延迟越来越大，如果是持续性的反压，意味着任务本身存在瓶颈，可能导致潜在的不稳定或者数据延迟，尤其是数据量较大的场景下，反压的影响主要体现在Flink中checkpoint生成上，主要影响两个方面：

•任务出现反压，上游数据流阻塞，会使数据管道中数据处理速度变慢，数据处理被阻塞也会导致 checkpoint barrier 流经整个数据管道的时长变长，因而 checkpoint总体时间（End to End Duration）变长甚至是checkpoint失败。

•因为为保证 EOS（Exactly-Once-Semantics，准确一次），在对齐checkpoint场景中，算子接收多个管道输入，输入较快的管道数据state会被缓存起来，等待输入较慢的管道数据barrier对齐，这样由于输入较快管道数据没被处理，反压一直存在，较快的数据进入后一直积压可能导致OOM或者内存资源耗尽的不稳定问题。

这个影响对于数据量大的生产环境的作业来说是十分危险的，因为 checkpoint是保证数据一致性的关键，checkpoint 时间变长有可能导致 checkpoint 超时失败，而 state 大小同样可能拖慢 checkpoint 甚至导致 OOM 从而导致实时任务异常，而且不能能失败的checkpoint进行快速恢复。

以上内容摘自《企业级云原生白皮书项目实战》电子书，点击https://developer.aliyun.com/ebook/download/7774可下载完整版